机器学习/深度学习论文中常出现的Permutation Invariant解释
·
Permutation Invariant指的是特征之间没有空间位置关系
例如多层感知机，改变像素的位置对最后的结果没有影响
f ( ( x 1 , x 2 , x 3 ) ) = f ( ( x 2 , x 1 , x 3 ) ) = f ( ( x 3 , x 2 , x 1 ) ) f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x2,x1)) f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x2,x1))
但是对卷积网络而言情况就不同了，特征是有位置关系的。
参考链接：link
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
19
0- 0
已为社区贡献1条内容
所有评论(0)